Étude sur la participation à la mammographie de dépistage et sur son utilisation au Canada
Bibliographic record
Abstract
<sec> <title>Introduction</title> Le taux de participation est un indicateur important de l’efficacité d’un programme de dépistage; cependant, la méthode actuellement utilisée pour mesurer le taux de participation au Canada ne permet pas d’établir des comparaisons avec les autres pays. Cette étude vise à évaluer la méthode utilisée pour mesurer la participation à la mammographie de dépistage au Canada, à comparer les méthodes utilisées à l’échelle internationale et à proposer d’autres méthodes. </sec> <sec> <title>Méthodologie</title> Les données des programmes canadiens de dépistage du cancer du sein sur les femmes âgées de 50 à 69 ans ayant subi un examen de dépistage entre 2004 et 2006 ont été extraites de la Base de données canadienne sur le dépistage du cancer du sein (BDCDCS). Les données sur les mammographies effectuées par des médecins rémunérés à l’acte (mammographies de dépistage opportunistes) ont été fournies par les ministères provinciaux de la Santé. Les taux de participation aux programmes de mammographie de dépistage et les taux d’utilisation à des intervalles de 24 et de 30 mois ont été examinés. </sec> <sec> <title>Résultats</title> Au Canada, le taux de participation aux programmes de dépistage s’élève à 39,4 % selon un intervalle de 24 mois, et il est de 43,6 % lorsque l’intervalle est fixé à 30 mois. Toujours au Canada, le taux d’utilisation de la mammographie s’élève à 63,1 % selon un intervalle de 24 mois; il passe à 70,4 % lorsque l’intervalle est de 30 mois. </sec> <sec> <title>Conclusion</title> Compte tenu des différences dans la prestation des services de santé d’une province canadienne à une autre, il faudrait surveiller tant la participation aux programmes que le taux d’utilisation global de la mammographie selon des intervalles de 24 et de 30 mois. </sec>
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one teacher head, not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".